[发明专利]基于FM算法的CTR预估方法及系统有效
| 申请号： | 201810599540.4 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108960293B | 公开（公告）日： | 2021-02-05 |
| 发明（设计）人： | 张震;吕传成 | 申请（专利权）人： | 玩咖欢聚文化传媒（北京）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q30/02 |
| 代理公司： | 北京酷爱智慧知识产权代理有限公司 11514 | 代理人： | 张绍磊 |
| 地址： | 100101 北京市朝*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 fm 算法 ctr 预估 方法 系统 | ||
1.一种基于FM算法的CTR预估方法，其特征在于，包括：
在Spark集群对ml包实现FM模型扩展，并对FM模型做降维优化，得到准线性模型；
选取待测环境下不同的特征组合，对准线性模型进行模型训练；
对不同特征组合的模型训练结果做A/B Test，选取效果最好的特征组合和训练后的准线性模型作为最佳模型，并在HDFS中做持久化；
调用最佳模型的准线性模型，根据最佳模型的特征组合选取待测环境下的特征，将选取的特征传入调用的准线性模型中计算，得到CTR预估结果；
待测环境的特征包括联网方式、地域、广告位和/或手机品牌。
2.根据权利要求1所述基于FM算法的CTR预估方法，其特征在于，所述FM模型的目标函数如下：
二次项参数ωij组成一个对称阵W,对称阵W分解为W＝VTV,V的第j列便是第j维特征的隐向量,每个参数ωij＝vi,vj，因此FM模型可以转化为：
其中ω0∈R,V∈Rn×k，R为实数，Rn×k为n×k的矩阵，n为样本特征数量，k为隐向量长度，i、j为变量，xi为第i个特征的值，vi为xi的隐向量，ω0和ωi为FM模型的参数。
3.根据权利要求2所述基于FM算法的CTR预估方法，其特征在于，所述准线性模型如下：
4.一种基于FM算法的CTR预估系统，其特征在于，包括：
构建单元：用于在Spark集群对ml包实现FM模型扩展，并对FM模型做降维优化，得到准线性模型；
训练单元：用于选取待测环境下不同的特征组合，对准线性模型进行模型训练；
对比单元：对不同特征组合的模型训练结果做A/B Test，选取效果最好的特征组合和训练后的准线性模型作为最佳模型，并在HDFS中做持久化；
预估单元：用于调用最佳模型的准线性模型，根据最佳模型的特征组合选取待测环境下的特征，将选取的特征传入调用的准线性模型中计算，得到CTR预估结果；
待测环境的特征包括联网方式、地域、广告位和/或手机品牌。
5.根据权利要求4所述基于FM算法的CTR预估系统，其特征在于，所述FM模型的目标函数如下：
二次项参数ωij组成一个对称阵W,对称阵W分解为W＝VTV,V的第j列便是第j维特征的隐向量,每个参数ωij＝vi,vj，因此FM模型可以转化为：
其中ω0∈R,V∈Rn×k，R为实数，Rn×k为n×k的矩阵，n为样本特征数量，k为隐向量长度，i、j为变量，xi为第i个特征的值，vi为xi的隐向量，ω0和ωi为FM模型的参数。
6.根据权利要求5所述基于FM算法的CTR预估系统，其特征在于，所述准线性模型如下：
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于玩咖欢聚文化传媒（北京）有限公司，未经玩咖欢聚文化传媒（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810599540.4/1.html，转载请声明来源钻瓜专利网。
